朝の光が差し込む会計事務所で、税理士の佐伯みのりは、画面に並ぶ相談メールを見つめていた。法人の決算を急ぐ社長、相続税の手順を知りたい家族、請求書の整理に困る個人事業主から、似ているようで少しずつ違う質問が届いている。みのりは一通ずつ丁寧に返したいのに、確認済みの資料を探し、文章を整え、担当者へ引き継ぐうち、時計の針だけが進んでいった。
隣の机では、若手職員がChatGPTに相談文の下書きを作らせている。ROBONの「税務相談ロボ」や、Google Document AI、Azure AI Document Intelligenceの名前も、所内の検討資料に載っていた。生成AIなら、ばらばらな帳票を読み取り、質問に合わせた案内を作れるかもしれない。けれど、税務の答えを間違えれば、相談者の暮らしや会社の未来に影響する。みのりは送信前の画面に手を置き、便利さと慎重さのあいだで、静かに息を吸った。
この記事の答え
- 結論会計事務所の内定者フォローには、生成AIで一人ひとりに合う案内を作成できます。
- 根拠職種や希望、面談記録、研修情報を照合し、AIは下書きと定型回答を担います。
- 最初の一歩まず確認済み資料を整理し、個人情報を最小限にして案内文の下書きを試します。
第1章 青い封筒が届く朝、内定者フォローが始まる

第1章 青い封筒が届く朝、内定者フォローが始まる - 本文
朝七時半、星野製作所の人事室に、複合機の低い音が響いていた。窓から入る春の光が、机の上の青い封筒を照らしている。人事担当の水野あおいは、届いたばかりのメールを一通ずつ開いていた。
青い封筒には、入社準備の資料と研修案内、それから内定者への歓迎メッセージが入っている。あおいは封筒の宛名を確かめると、全員に同じ案内文を送った。文面には、入社式の日程、提出書類、健康診断の案内が整然と並んでいた。
「これで、まずはひと安心ね」
そうつぶやいた直後、受信箱に新しいメールが三通届いた。営業職で配属予定の小川さんは、実際にどんな顧客を訪ね、先輩がどのように話を聞くのかを知りたがっていた。技術職の真鍋さんは、入社前研修の内容と、今のうちに学んでおくべき知識について尋ねている。
もう一通は、製造現場の管理を希望する西川さんからだった。勤務地の食堂や通勤経路のことを聞きたいという。三人とも内定者だが、メールの行間にある心配は、少しずつ違っていた。
あおいは小川さんのメールに返信文を書き始めた。営業部の先輩に確認してから、顧客訪問の例を紹介しようと考えた。ところが、営業部に送った確認メールを探すため、別のフォルダを開くことになった。
面談記録は共有フォルダにある。研修の予定表は人事室の表計算ファイルにある。内定者が以前話していた希望や不安は、面談後に書いたメモの中に残っていた。あおいは三つの画面を行き来しながら、返事の言葉を選んだ。
「小川さんには、営業の一日の流れを。真鍋さんには、研修で使う道具を。西川さんには、暮らしの案内を……」
隣の机で、同じ人事室の神田が振り返った。神田は、あおいの画面に並ぶ未返信の印を見て、静かに椅子を近づけた。
「同じ資料を送っても、知りたいことは同じじゃないんですね」
「ええ。歓迎したい気持ちは同じなのに、返す内容を考えるたびに、最初から記録を探しているの」
神田は、画面の端に開いていたChatGPTを指さした。文章の下書きを作ったり、長いメモを短く整理したりする生成AIだと、やさしく説明した。
「面談メモを整理して、内定者ごとの関心を見つける使い方ならできそうです。たとえば、営業への関心、研修への不安、通勤への確認事項を分けるように頼めます」
あおいは少し身を乗り出した。これまでなら、面談記録を読み直し、頭の中で一人ずつ整理していた。その時間が短くなれば、メールの最後に、本人が知りたい一言を添えられるかもしれない。
けれど、あおいはすぐに手を止めた。面談記録には、住所や家族のこと、体調についての話も含まれている。個人情報保護委員会が公開している生成AIサービスの利用に関する注意喚起にも目を通していた。
「そのまま貼り付けるのは、やめておきましょう。名前や住所を消して、必要な内容だけにしてから。AIに任せるのは整理と下書きまでで、送る前には私たちが必ず確認する」
神田はうなずき、メモ帳に三つの欄を書いた。関心があること、心配していること、次に伝えること。あおいはその横に、入社二カ月前、入社一カ月前、入社一週間前と時期を書き足した。
同じ時期に同じ案内を送るだけでは、同じ安心にはならない。そう思いながら、あおいは小川さんへの文面を読み返した。「営業職の皆さまへ」と始まる文章の下に、まだ「小川さんへ」と書きかけた一行が残っている。
真鍋さんへの返信欄には、研修資料を確認してから送るという短いメモがあった。西川さんのメールには、通勤経路を調べる前の未返信マークがついている。青い封筒は三人の机へ向かう準備を終えていたのに、あおいの画面には、まだ三人分の返事が残っていた。
あおいは新しい文書を開いた。名前の代わりに仮の記号を置き、面談の言葉を短く書き出す。小川さんには顧客との仕事、真鍋さんには研修と技術、西川さんには働く場所と暮らし。そこまで記したところで、朝の光が机の端まで伸びてきた。
「まずは、知りたいことを間違えないことから始めよう」
あおいはそう言って、三人それぞれの返信欄にカーソルを置いた。歓迎の言葉は同じでも、その人の不安に届く道は、別々に続いていた。
第2章 届いた案内が、ひとりひとりの不安をすれ違わせる

第2章 届いた案内が、ひとりひとりの不安をすれ違わせる - 本文
職種に合わない研修案内が、内定者たちの受信箱へ届いた。人事担当の水野あおいは、ひとりから問い合わせを受け、もうひとりからの返信が途切れていることに気づいた。朝の静かな事務所で、画面の白さだけが目に残った。
その日の朝、あおいは内定者向けの研修案内を送った。前回の文面を開き、開催日と会場を直し、冒頭に「入社に向けた準備のご案内です」と一文を加えた。けれど、本文の途中に残っていた営業職向けの研修情報までは、見直せていなかった。
送信ボタンを押したとき、隣の席の藤田が顔を上げた。
「今日は一斉送信の日でしたね。これで少し落ち着きそうです」
「ええ。まずは、無事に届いてくれればいいのですが」
あおいは小さく笑った。内定者の名前とメールアドレスは、前日に確認していた。配属予定も別の表で照らし合わせたつもりだった。だから、画面を閉じたときには、仕事がひとつ終わったような気持ちになっていた。
昼前、森川さんから返信が届いた。開発職への配属予定と聞いていた内定者だった。件名には、丁寧な言葉で「研修について」と書かれていた。
「この営業同行研修は、私にも必要ですか。配属後の仕事と関係があるのか、少し不安になりました」
あおいの指が、キーボードの上で止まった。メール本文を下へ動かすと、営業部の先輩に同行する日程や、顧客訪問の準備について書かれている。開発職向けの技術研修も同じ案内に入っていたが、必要な情報へたどり着く前に、森川さんを迷わせてしまう内容だった。
「すみません。これは、配属予定と違う案内が混ざっています」
送る前に、あおいは藤田へ画面を見せた。藤田は眉を寄せたあと、すぐに自分の受信箱を開いた。
「ほかの人にも、同じ案内が届いているかもしれません」
「あ、伊藤さんからはまだ返事がありません」
伊藤さんは、面談で「仕事についていけるか心配です」と話していた内定者だった。あおいは昨日の面談を思い出し、今日の案内を見て、質問を控えているのかもしれないと考えた。けれど、忙しくてメールを開けていないだけかもしれないし、家族と相談しているのかもしれない。返事がない理由は、画面のどこにも書かれていなかった。
あおいは伊藤さんの情報を探し始めた。内定者一覧は共有フォルダーの表計算ファイルにあり、配属予定は別のシートに記録されていた。面談で聞いた希望は、あおいが自分へ送ったメールの中にあり、以前の質問は採用チームの共有メールに埋もれていた。
さらに、研修の進み具合を確認しようとすると、研修担当が作った資料と、担当者同士の打ち合わせメモが見つかった。ファイル名には日付や略称が並び、どれが最新なのかすぐにはわからない。あおいは一つの情報を確かめるたびに、別の場所を開くことになった。
「伊藤さんは、前に何を聞いていたんでしたっけ」
藤田が尋ねた。あおいは面談メモを開き、しばらく画面を見つめた。
「入社後の研修期間と、配属先での相談相手です。でも、その後に送った質問への返事は、別のメールにあるかもしれません」
「返事がないから、案内に不安を感じたと考えていいでしょうか」
「まだ、そうとは言えません」
あおいはゆっくり首を振った。返事の遅れを不安の表れと決めつければ、伊藤さんの本当の事情を見失うかもしれない。生成AIに過去の面談記録を読ませて理由を推測することはできても、その推測が事実になるわけではない。大切な連絡をする前には、記録を人が確かめ、本人に聞く必要があった。
あおいは伊藤さんへ、急かさない短いメールを書いた。「先ほどの案内について、わかりにくい点があれば、都合のよいときに知らせてください」と入力する。送信する前に、配属予定、研修内容、これまでの質問を一つずつ照らし合わせた。
森川さんには、正しい開発職向けの案内を添えて返信した。謝る言葉を何度も直し、営業職向けの情報を削った。それでも、送信ボタンを押す指先には、朝より強い緊張が残っていた。
夕方になっても、伊藤さんから返事はなかった。あおいは画面を閉じず、名前の横に「確認中」とだけメモした。途切れた返信を、見落としとも辞退の兆しとも決めないまま、明日もう一度、本人へつながる方法を考えることにした。
机の端では、生成AIの活用を検討する資料が開かれていた。あおいはそのページを見てから、面談メモとメールの束へ目を戻した。個別の案内を作るには、文章を整える力だけでなく、散らばった事実を確かめ、ひとりの声を聞き取る時間が必要だった。
第3章 白いホワイトボードに描かれた個別化の地図

第3章 白いホワイトボードに描かれた個別化の地図 - 本文
会計事務所の午後、あおいは会議室の机に、内定者から届いたメールを並べていた。営業を希望する人に経理研修の案内が届き、税務補助を希望する人には別の教材が抜けている。前章で気づいた「記録を見て、人が事実を確かめる」ことが、あおいの胸に残っていた。
そこへ、社内の情報システムを担当する神田が、ノートパソコンを抱えて入ってきた。神田はメールの束を見て、困ったように笑ったあと、白いホワイトボードの前に立った。手にした青いペンが、静かな部屋に小さな音を立てた。
神田はボードに、順番に五つの言葉を書いた。
「プロフィール」
「職種」
「質問履歴」
「学習・研修の進捗」
「面談記録」
あおいは、五つの言葉を見比べた。
「これが、内定者ごとの地図ですか?」
「そうです。ただし、地図は人を決めつけるためのものではありません」
神田は、五つの言葉を細い線で結んだ。
「個別化というのは、人によって別の答えを勝手に作ることではありません。同じ会社の正しい情報を、その人に必要な順番で届けることです」
その言葉は、あおいの中でゆっくり広がった。これまでの案内は、全員に同じ紙を渡しているようだった。けれど、知りたいことも、不安に感じることも、内定者によって少しずつ違う。
「では、生成AIには何をさせるのですか?」
「まず、プロフィールと職種情報を照合させます。そのうえで、質問履歴や面談記録から、いま必要な案内を整理します。仕事内容、入社準備、研修案内、学習教材を、順番に並べるのです」
神田は、ボードの端に小さな矢印を書いた。矢印の先には、「人が確認して送る」と記した。
「AIは、記録を読みやすくまとめたり、返事の下書きを作ったりする助手です。事実が合っているか、言い方がその人にふさわしいかは、人事が確かめます」
神田が開いた事例資料には、Panasonicの「AI Career Supporter」、SmartHR、クスリのアオキの名前が載っていた。人事の仕事でAIを使う例を紹介する資料で、質問への案内や記録の整理など、会社ごとの使い方が並んでいる。神田は、関連するHRテック事例資料も画面の横に置いた。
「同じAIでも、目的を先に決めることが大切です。『採用担当者の助手として、内定者の不安を減らす案内文を作る』と伝えると、ただの作文ではなく、使う場面に合った下書きになります」
あおいは、試しに一人分の情報を開いた。名前や連絡先は伏せ、仮のIDに置き換えた。質問履歴には、「入社後に担当する仕事」「簿記の学び方」「初日の持ち物」と残っていた。
神田は入力欄に、短い指示を書いた。
「内定者の職種情報と質問履歴をもとに、入社前の案内文を作成してください。会社が確認した正しい情報だけを使い、不明な点は推測せず、人事への確認事項として分けてください」
画面には、仕事内容の説明、入社準備、研修の日程、学習教材が順番に表示された。質問に沿っていたため、案内文は全員向けの文章よりも短く、読む人の迷いが少なそうだった。あおいは、返事を書く前に資料を探し続けていた時間を思い出した。
「AIチャットボットを置けば、よくある質問への一次回答もできます。夜や休日に届いた質問には、決められた情報を案内し、必要なものだけ人事へつなせます。回答案やメールの下書きも、同じ考え方で作れます」
あおいは少し身を乗り出したが、すぐに表情を引き締めた。
「配属や評価まで、AIに決めさせるのですか?」
「いいえ。配属も評価も、内定承諾を促す大切な連絡も、人事が判断します。AIに任せるのは、情報の整理と文章の下書きです」
神田は、個人情報の扱いについても説明した。履歴書や面談記録は、外部の学習に使われない法人向け環境で扱い、必要のない名前や連絡先は入力しない。利用前には、個人情報保護委員会の注意喚起も確認する。
「AIの文章には、間違いや、本人の気持ちと違う表現が混ざることがあります。だから、最後に人が読みます。個別化は、AIだけで完結させるものではありません」
あおいは、白いボードに並ぶ五つの言葉をもう一度見た。プロフィールも質問履歴も、ばらばらの記録ではない。目の前の一人に、必要な情報を届けるための手がかりだった。
「人事の代わりではなく、整理して返事を作る助手ですね」
「その距離感なら、安心して始められます」
あおいは、机の上のメールを三通だけ選んだ。まずは仮のIDで情報を整え、神田と一緒にAIの下書きを読み、人事の確認欄を通して送る。送信ボタンに手を置いたとき、あおいの胸には、急がずに前へ進める小さな灯りがともっていた。
白いホワイトボードには、五つの言葉と、最後の一行が残った。
「必要な人に、必要な情報を、必要な順番で」
第4章 AIの返事が止まり、人事の手が戻る

第4章 AIの返事が止まり、人事の手が戻る - 本文
あおいは、内定者ごとの案内を生成AIで作る試行を、朝の会議室で始めた。仕事内容、入社準備、研修教材、よくある質問への返事を、一人ひとりに合わせる計画だった。
窓の外では、神田川沿いの木の葉が静かに揺れていた。あおいは画面に、内定者の関心、これまでの質問、研修の進み具合、次に送る時期を並べた。名前や住所ではなく、必要な情報だけを使うつもりだった。
「まずは、入社二カ月前、一カ月前、一週間前の三つに分けてみます。そこへ、その人の関心や確認事項を差し込みます」
神田はうなずき、机の上に四つの資料を置いた。仕事内容の説明、入社準備のチェックリスト、研修カリキュラム、社内FAQである。どれも人事が確認した最新版で、表紙には更新日が入っていた。
「AIにいきなり全部を渡すのではありません。先に、使ってよい資料を決めます。返事を作るときも、この資料だけを根拠にするよう指示しましょう」
あおいはChatGPTを開き、役割と目的を書いた。「あなたは採用担当者の補助者です。内定者の不安を減らし、確認済みの情報で案内文の下書きを作ってください」。その下に、内定者ID、関心のある仕事、未回答の質問、研修の進捗、送信時期だけを貼り付けた。
さらに、質問履歴を人事システムから案内ツールへ自動で渡す構想も書き出した。神田は、APIについて「別々の道具をつなぐ、小さな窓口です」と説明した。人事システムから必要な項目だけを取り出し、案内ツールへ渡せば、毎回のコピー作業を減らせる。
「内定者IDを鍵にして、関心と進捗だけを渡します。メールアドレスは、人が最後に確認してから送信しましょう」
あおいはテスト用の架空データを使い、最初の案内を作った。文章には、仕事内容の説明と、Notion AIで整理した入社初日の準備リストが入り、質問には社内FAQの回答が添えられた。関心が経理業務にある人には会計資料の読み方を、顧客対応に関心がある人には面談の流れを案内する文面になっていた。
ところが、別の質問を入力したとき、画面の返事に見慣れない一文が現れた。「入社後は毎週金曜日に、税務相談のロールプレイ研修を行います」。研修カリキュラムを開くと、その予定はどこにも書かれていなかった。
「この研修、資料にありません。文章は自然なのに、どうして出てきたのでしょう」
神田は画面を指でなぞった。
「知らないことを知っているように書くのが、ハルシネーションです。AIは、正しいかどうかを確かめる前に、もっともらしい続きを作ることがあります」
あおいはすぐにプロンプトを直した。「確認済み資料に根拠がない場合は、推測せず、人事担当者へ引き継ぐ」。さらに、回答の末尾に参照した資料名と更新日を付けるよう指定した。根拠が見つからない質問には、「確認してから人事より返答します」と表示する設定にした。
次の試行では、AIに渡すデータの中身も見直した。人事システムから出した表には、氏名、メールアドレス、電話番号、面接メモがそのまま含まれていた。あおいは送信ボタンの前で手を止め、ファイルを閉じた。
「このまま外部サービスへ渡したら、必要のない個人情報まで送ることになります」
神田は、机の端に置いた個人情報保護委員会の生成AIサービス利用に関する注意喚起を開いた。名前を内定者IDに置き換え、連絡先や面接の生の記録は入力しない。どうしても必要な情報は、仮名化したうえで、法人向けのセキュリティ設定がある環境だけで扱うことにした。
二人は契約書も確認した。入力データをサービスの再学習に使わないこと、保存期間を設定できること、アクセス権限を人事チームに限定できることを、ひとつずつ確かめた。誰がデータを見て、誰が文章を直し、誰が送ったかが残る利用ログも、毎週確認する運用に加えた。
「便利だから使う、では足りませんね。何を入れないか、誰が見られるかまで決めて、初めて仕事になります」
「そうです。AIを賢くするより、仕事の境目をはっきりさせるほうが先です」
あおいはホワイトボードに、AIに任せる仕事と、人が担う仕事を書いた。AIは情報整理、一次回答、研修教材の下書き、内定者に合いそうなFAQや教材の推薦まで。内定者への最終回答、配属や評価に関する判断、規定にない例外への対応は、人事が行う。
それから、試行を小さく繰り返した。架空の内定者データに、答えのある質問と、わざと資料にない質問を混ぜた。人事は誤回答だけでなく、特定の関心を持つ人に案内が偏っていないか、説明が足りないまま送信を促していないかも確認した。
あるテストでは、研修教材の推薦が営業向けに偏った。あおいが資料の分類名を見直し、職種ではなく本人が選んだ関心と共通の基礎教材を先に出すよう修正すると、推薦は落ち着いた。間違いを消すだけでなく、なぜ間違えたかをログに残した。
「これなら、答えがないときに返事が止まりますね」
「止まることは、失敗ではありません。人事の手が戻る合図です」
最後に、あおいは実際の内定者一人分だけを対象にした。AIが作った下書きを、仕事内容の担当者、研修担当、人事の三人で読み、資料と照合した。関心に触れる一文は残し、断定しすぎる表現を直し、確認が必要な質問には担当者名を添えてから送った。
送信後、内定者から「自分が気になっていた研修について、先に案内があって安心しました」と返事が届いた。あおいは画面の小さな文字を見つめ、AIの文章だけでは届かなかった温度が、人の確認によって加わったことを感じた。
対象を広げるのは、もう少し先にした。誤回答、偏り、説明不足、ログの抜けがないことを確かめながら、あおいは一通ずつ送る準備を続けた。AIの返事が止まる場所を決めたからこそ、人事の手は、必要な人のところへ迷わず戻っていった。
第5章 違う色の案内が、内定者の朝を変える

第5章 違う色の案内が、内定者の朝を変える - 本文
朝の八時、星野製作所の内定者ポータルに、新しい案内が届いた。前までは、全員に同じ文章を送っていたため、あおいの画面には「自分には関係がないかもしれない」という返信がいくつも並んでいた。けれど、その朝の画面には、内定者ごとに違う色のカードが浮かんでいた。
営業職の内定者には、青いカードが表示されていた。そこには、顧客と話す仕事の流れと、入社前に読む資料が並んでいる。面談で「お客様の話を聞く力を身につけたい」と話していたことも、案内の言葉にそっと反映されていた。
「自分が働く姿を、少し想像できました」
技術職の内定者には、緑のカードが届いた。業務に必要な基礎教材が先に置かれ、そのあとに社内研修が続く順番になっている。研究内容に近い資料だけでなく、初めて触れる分野を補う教材も、本人の希望に合わせて選ばれていた。
あおいは、カードを一枚ずつ確かめた。AIが作った案内を、そのまま送ったわけではない。職種、本人から届いた質問、面談で聞いた希望、そして案内の根拠になった確認済みの社内資料を、あおいが順番に見てから承認していた。
「文章を作るのはAIに任せても、誰に何を届けるかは、私が見ないとね」
午後、内定者の一人が社内のAIチャットボットに質問を送った。「研修の日程を変更したい」という相談だった。チャットボットは、確認済みの社内情報から変更手続きを案内し、申請先も示したため、あおいの画面には届かなかった。
別の内定者からは、「配属後に担当する顧客分野を変えられるか」という質問が届いた。これは制度の説明だけでは終わらない。配属先や本人の希望を見ながら判断する必要があるため、AIは「人事担当者が確認して返答します」と表示し、相談をあおいの画面へ送った。
通知を開くと、質問の本文と、面談で本人が話していた関心事項が並んでいた。あおいは過去の記録を探し回らずに済んだが、答えを急いではいなかった。本人の希望をもう一度確認し、配属担当にも状況を尋ねてから、AIの下書きを手直しして承認した。
「待たせないことと、急いで決めることは違うものね」
そのころ、神田が参考資料を手に、あおいの机へやって来た。資料には、人事AIを検討・導入済みの企業が約90%に広がる一方、本格運用まで進んでいる企業は20〜30%にとどまる状況が記されていた。出典は、調査名「現状・導入背景/内定者フォローの個別化に活用できる機能」のRAG検索結果だった。
「使い始める会社が増えても、続け方には工夫がいるんですね」
神田が見せた別の資料には、LINEヤフーの事例も載っていた。LINEヤフーは2026年にAIツール10件を導入する予定で、月約1,600時間の工数削減を見込んでいるという。これは内定者フォローだけの成果ではなく、複数の人事業務をAIで支援する事例として、RAG検索結果の「個別化施策の具体例として使える企業事例」に紹介されていた。
あおいは、その数字を星野製作所の成果と混同しないよう、社内メモの端に小さく線を引いた。他社の事例は、答えではなく、運用を考えるための灯りだった。AIを入れたことよりも、確認する人と、相談を受け止める人が残っていることのほうが大切に思えた。
夕方になると、あおいの受信箱には、以前のように同じ質問が重なってはいなかった。確認済みの情報で答えられる相談はチャットボットが案内し、判断が必要な相談だけが、静かに人事へ届いていた。
「前は返信を探す時間が長かったけれど、今日は話を聞く時間が残っています」
その言葉どおり、あおいは画面を閉じて、内定者との面談室へ向かった。面談では、用意された案内の感想ではなく、入社前にまだ気になっていることを聞けた。帰り際、朝に青いカードを受け取った内定者が、少し安心した顔で資料を抱えていた。
同じ会社から届く案内でも、色は一人ひとり違っていた。AIはその違いを見つけ、あおいはその意味を確かめる。そんな朝が続くほど、内定者との距離は、画面の向こうから少しずつ近くなっていった。
第6章 灯りが消えるころ、次の質問が届く

第6章 灯りが消えるころ、次の質問が届く - 本文
夕方の人事室では、内定者から届いた質問が、職種と研修の進み具合に合わせて静かに並び替えられていた。窓の外は薄紫色で、昼間のざわめきはもう遠い。あおいの画面には、営業職、経理職、技術職という小さな色分けと、それぞれの質問が表示されていた。
「営業職の研修資料は、どこから見ればいいですか」「入社式の日に持っていくものは何ですか」。そんな質問には、社内FAQをもとにしたAIの回答がすぐに返ってくる。回答の横には、あおいが確認した資料だけを使ったことを示す緑の印がついていた。
あおいは、日付と資料名を一つずつ確かめた。少しでも内容が古ければ、送信せずに人事共有フォルダーの最新版と比べる。便利な返事ほど、最後の確認を丁寧にすることを、あおいはもう習慣にしていた。
神田が、湯気の消えかけたマグカップを手に画面をのぞいた。
「すぐ答えられる質問は、AIに案内してもらう。けれど、配属への迷いや、本人にしか話せない事情は、あおいさんが返すんだね」
「はい。AIには、確認済みの道を照らしてもらいます。でも、どの道を歩くか迷っている人の隣には、私がいたいです」
画面の下には、個別相談の欄があった。そこには、技術職を希望していた内定者から、配属先でどのように力を伸ばせるかという相談が届いている。面接記録や自己PRをそのままAIへ渡すのではなく、社内で許可された情報を仮名化して整理し、あおいは本人の言葉を読みながら返信を考えた。
「ご不安な点は、配属後の面談でも一緒に確認できます。入社前に読める資料として、先輩社員の仕事紹介をお送りします」。あおいは、AIが作った下書きのやわらかな部分を残しながら、自分の言葉を足した。最後に、相談の内容を決めつけていないかを読み返し、送信ボタンを押した。
しばらくすると、別の内定者から返信が届いた。
「自分に必要な資料が先に届いたので、準備することが見えました。何から始めればいいか分からなかったので、安心しました」
その文字を見て、あおいの肩が少し下がった。返信の速さだけではなく、届いた資料がその人の不安に合っていたかを確かめられる。あおいは、開かれた資料、追加された質問、面談で話したいという反応を、次の案内を直すためのメモに残した。
「この案内は、一度作ったら終わりではないんですね」
神田はうなずき、画面に残る履歴を指でなぞった。
「AIが答えを決めるのではなく、答えを一緒に整えるんだよ。質問と反応が増えるたびに、私たちの案内も少しずつ変わる」
あおいは、内定者ごとの研修状況を見ながら、次の文面の順番を入れ替えた。入社前の案内は、全員に同じ紙を渡すものではなくなっていた。必要な人へ、必要なタイミングで、確認できる情報が届くようになっていた。
やがて、廊下の灯りが一つずつ消えた。人事室に残ったデスクライトが、あおいの手元と、ChatGPTが提案した文章、社内資料の三つを静かに照らしていた。
そのとき、画面の右上に新しい質問が一件届いた。あおいは提案文と資料を見比べ、内定者の名前を小さく呼びながら、返信を書き始めた。
関連キーワード
著者について
鈴木信弘(SNAMO)
鈴木信弘(SNAMO)- 静岡県を拠点に活動する総経験19年のフルスタックエンジニア。AI時代の次世代検索最適化技術「レリバンスエンジニアリング」の実装者として、GEO(Generative Engine Optimization)最適化システムを開発。2024年12月からSNAMO Portfolioの開発を開始し、特に2025年6月〜9月にGEO技術を集中実装。12,000文字級AI記事自動生成システム、ベクトル検索、Fragment ID最適化を実現。製造業での7年間の社内SE経験を通じて、受注システム自動化による業務時間の短縮や検品作業のデジタル化など、現場の課題を技術で解決してきた。富山大学工学部卒、基本情報技術者保有。
プロフィールを見るよくある質問
Q1会計事務所の内定者フォローに生成AIを活用する方法はありますか?
Q2内定者ごとに案内を個別化するには何を確認すればよいですか?
Q3生成AIが内定者への案内で誤回答するのを防ぐにはどうすればよいですか?
Q4内定者の個人情報を生成AIに入力しても問題ありませんか?
Q5内定者向けAIチャットボットには何を回答させるべきですか?
Q6生成AIを導入すると、人事担当者の仕事は不要になりますか?
Q7生成AIを使った内定者フォローを始める際のポイントは何ですか?
関連記事

生成AI導入前、利用規約の落とし穴を越える町工場のガバナンス
生成AI導入前は、利用規約と社内ルールでデータの扱いを管理する。入力情報の学習利用や保存、第三者・再委託先への送信とアクセスを確認する。今日使うサービスの規約を読み、入力情報を三分類して匿名化と承認手順を決める。
読む
生成AIで変わる業務手順の影響範囲を見つめ直す方法
生成AIで変わる業務手順の影響範囲は、回答作成から業務全体へ広げて見直す。入力情報、根拠資料、確認者、記録先、システム、契約、例外時の責任まで影響するためだ。今日の業務を入力・処理・出力・確認に分解し、担当者と利用システムを付せんで整理する。
読む
生成AIを乗り換えても活きる、タイトル画像と動画コンテンツのデータ設計
生成AIを乗り換えても活きるデータ設計には、AIと業務データを分離する仕組みが必要です。共通JSON、AI Gateway、権限管理、RAG、ログ、承認を整えれば、別のAIへ切り替えても業務を継続できます。まず顧客情報、プロンプト、制作指示、参照資料、出力結果を共通JSONで整理してください。
読む
AIエージェント導入で、工場の仕事を守るリスク・頻度マトリクス
AIエージェント導入では、低リスク・高頻度の業務から任せ、高リスク業務は人が承認する。リスクと頻度で業務を分類し、閲覧、下書き、実行の三段階で権限を広げる。まず問い合わせ分類や資料検索を閲覧権限で試し、成果と例外、根拠を記録する。
読む
